一、人工閾值分割方法threshold_test1.m

1、分析修改閾值對(duì)分割結(jié)果的影響

分析：取直方圖中第一個(gè)谷底的灰度值作為閾值，圖像分割效果較好。當(dāng)閾值改變時(shí)，分割后的圖像有部分信息丟失，本圖中當(dāng)閾值減小時(shí)分割后的圖像黑色部分較多，當(dāng)閾值增大時(shí)分割后的圖像白色部分較多。

[I,map]=imread('cameraman.tif');   % 讀取灰度圖像  
imshow(I);figure;                     % 顯示原圖圖像
J=imhist(I);imhist(I);              % 提取圖像中的直方圖信息；將圖像轉(zhuǎn)換為直方圖信息
[M,N]=size(I);                        % 直方圖信息的高和寬
for i=1:1:M                           
for j=1:1:N                           % 遍歷像素點(diǎn)
    if I(i,j)>80                      % 閾值為80
        g(i,j)=0;                      %大于80的點(diǎn)取0（黑色
    else g(i,j)=1;                    % 小于等于80的點(diǎn)取1（白色
       end
 end
end
figure;imshow(g);                     % 顯示手動(dòng)閾值分割后的圖像

二、迭代閾值分割方法-自動(dòng)閾值方法threshold_test2.m

%例2 迭代閾值分割
f=imread('cameraman.tif');            %讀取圖像       
subplot(1,2,1);imshow(f);           
title('原始圖像');                   
f=double(f);                          % 返回double類(lèi)型   
T=(min(f(:))+max(f(:)))/2;            % 求原圖大小平均值，并作為初始閾值T       
done=false;                           % 賦值，if(false)  
i=0;                                  % 賦值，迭代次數(shù)
while~done                            % 與更新后的done比較   
    r1=find(f<=T);                    % 小于閾值的點(diǎn)，作為目標(biāo)    
    r2=find(f>T);                     % 大于閾值的點(diǎn)，作為背景
    Tnew=(mean(f(r1))+mean(f(r2)))/2; % 計(jì)算新的閾值Tnew，目標(biāo)灰度值和背景都取平均
done=abs(Tnew-T)<1;                   % 迭代至兩次閾值的灰度變化不超過(guò)1時(shí)停止
    T=Tnew;                           % 更新閾值T  
    i=i+1;                            % 更新迭代次數(shù)   
end
f(r1)=0;                              % 進(jìn)行二值分割,小于最終的閾值的點(diǎn)為0（黑色），    
f(r2)=1;                              % 大于最終的閾值的點(diǎn)為1（白色）             
subplot(1,2,2);                       
imshow(f);                          
title('迭代閾值二值化圖像');  

三、自適應(yīng)閾值方法

f=imread('cameraman.tif');
figure,subplot(1,2,1),imshow(f),title('原始圖像');
h = imbinarize(f,'adaptive','ForegroundPolarity','dark','Sensitivity',0.4);
 %自適應(yīng)閾值分割，F(xiàn)oregroundPolarity 參數(shù)指示前景比背景暗
subplot(1,2,2),imshow(h),title('自適應(yīng)閾值分割圖像');

四、對(duì)比手動(dòng)閾值(threshold_test1.m)、自動(dòng)閾值(threshold_test2.m)、自適應(yīng)閾值與分水嶺分割算法(Water tset.m)的分割結(jié)果，分析他們的優(yōu)缺點(diǎn).

答：
1、閾值分割算法能夠較快的完成圖像分割，但是它考慮灰度信息而沒(méi)有考慮空間信息，不適用于多通道圖片，也不適用于特征值相差不大的圖像，并對(duì)于噪聲和灰度不均勻敏感，對(duì)于背景與目標(biāo)區(qū)域灰度差異較小的圖像分割效果不好。手動(dòng)閾值分割使用雙峰法需要有一定的圖像先驗(yàn)知識(shí)，因?yàn)橥粋€(gè)直方圖可以對(duì)應(yīng)若干種不同的圖像。自動(dòng)閾值法迭代法只適用于直方圖有明顯波谷的情況，其他情況不理想。
2、自適應(yīng)閾值法的思想不是計(jì)算全局圖像的閾值，而是根據(jù)圖像不同區(qū)域亮度分布，計(jì)算其局部閾值，所以對(duì)于圖像不同區(qū)域，能夠自適應(yīng)計(jì)算不同的閾值，因此被稱(chēng)為自適應(yīng)閾值法。優(yōu)點(diǎn)是在一定條件下受圖像對(duì)比度與亮度變化的影響很小。缺點(diǎn)是該方法只是借助了圖像的像素灰度信息，并未考慮像素間的空間相關(guān)信息（如鄰域信息），加之外部干擾的存在，使得灰度直方圖的波峰和波谷并不一定明顯，抗干擾性較差。
3、分水嶺算法可處理細(xì)胞粘連問(wèn)題，分割精度高。但是由于噪聲點(diǎn)或者其它干擾因素的存在，常常存在過(guò)度分割的現(xiàn)象，這是因?yàn)檫^(guò)多局部極值點(diǎn)的存在而產(chǎn)生許多小的集水盆地，從而導(dǎo)致分割后的圖像不能將圖像中有意義的區(qū)域表示出來(lái)。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-507694.html

到了這里，關(guān)于Matlab|圖像處理04|圖像分割-閾值分割方法的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！